AI搜索 MCP最佳實踐詳情 - 搜索,人工智能,大數據,檢索系統,數據處理阿里雲大數據AI 博客

背景

那些 LLM 不知道的事

嘗試直接詢問LLM“今天天氣如何”時，會發現LLM無法回答——它既不知道“今天”是哪天，也無法獲取地理位置信息。這揭示了LLM的侷限：缺乏與外部工具和實時數據的交互能力。

為解決這一問題，MCP（Model Context Protocol）應運而生。通過標準化協議，MCP使LLM能夠自主調用工具（如天氣API、地理位置服務），並解耦Agent與Tools的開發，顯著降低維護和迭代成本。

當 LLM 學會用工具

“讓 LLM 自己學會用工具，來解答用户問題。”

上面這句話中，出現了三個角色，“用户”、“工具”、“LLM”，以及隱藏的第四個角色——將這一切粘合起來的“主控程序”。
關於四者的交互流程，下圖供以參考：

MCP 幹嘛來了

沒有 MCP，我要怎麼做
按照 Agent+FunctionCall 的模式，我設計了工具 schema，走通了 LLM 的服務調用，終於讓 LLM 學會了用工具。但隨着工具越來越多、工具調用與 LLM 耦合地越來越深，不管是維護還是迭代，都會消耗大量的精力。

那麼，問題來了：
• 能不能實現 Agent 與 Tools 的解耦？
• 能不能能統一不同 Tools 的調用協議，讓模型快速接入？
• 能不能實現 Tools 的共享？

有了 MCP，我會怎麼做

現在有了 MCP，一切都好起來了：
• Agent 和 Tools，我可以分開維護了。
• 再多的 Tools，我用"list_tools"+"call_tool"就解決了。
• 我可以分享自己的 Tools，也可以快速接入別人的 Tools了。

近距離看看 MCP

MCP is an open protocol that standardizes how applications provide context to LLMs. Think of MCP like a USB-C port for AI applications. Just as USB-C provides a standardized way to connect your devices to various peripherals and accessories, MCP provides a standardized way to connect AI models to different data sources and tools.

MCP 架構中的角色主要有以下幾種：

• MCP Hosts: 相當於上文提到的“主控程序”，比如 Claude Desktop、IDE 等。

• MCP Clients: 服務調用的客户端，通常會被集成到 Host 中執行 list_tools、call_tool 等操作。

• MCP Servers: 服務調用的服務端，通常在此定義 tools、prompts、resources 等。

• Local Data Sources: 本地數據。

• Remote Services: 遠端服務。

ps：寫了個 mcp demo，就想讓 LLM 告訴我，今天天氣到底如何？
mcp = FastMCP("Demo")


@mcp.tool(
    name="get_current_time",
    description="獲取當前時間",
)
def get_current_time():
    """
       獲取當前時間並進行格式化展示
       :return:
    """
    now = datetime.datetime.now()
    formatted_time = now.strftime("%Y-%m-%d %H:%M:%S")
    return formatted_time


@mcp.tool(
    name="get_location",
    description="獲取當前地點",
)
def get_location():
    """
       獲取當前地點
       :return:
    """
    try:
        response = requests.get("http://ip-api.com/json/")
        data = response.json()

        if data["status"] == "success":
            location_info = {
                "country": data.get("country", ""),
                "region": data.get("regionName", ""),
                "city": data.get("city", "")
            }
            return json.dumps(location_info, ensure_ascii=False)
        else:
            return json.dumps({"error": "無法獲取地理位置"}, ensure_ascii=False)
    except Exception as e:
        return json.dumps({"error": str(e)}, ensure_ascii=False)

AI 搜索怎麼玩 MCP

場景一：文件解析與總結

描述：通過阿里雲AI搜索開放平台集成MCP，快速調用文件解析工具，降低開發門檻。

前置準備：

1.1. 註冊阿里雲 AI 搜索開放平台，獲取 API 密鑰。

1.2. VSCODE 配置 Cline 工具，集成阿里雲 MCP 服務器。

1.3. Cline 配置 LLM 接口

API Provider 選擇 OpenAI Compatible

Base URL設為 https://dashscope.aliyuncs.com/compatible-mode/v1

1.4. 安裝 UV，管理 Python 環境

curl -LsSf https://astral.sh/uv/install.sh | sh

或者

pip install uv

Cline 配置 MCP Server

2.1. 下載 alibabacloud-opensearch-mcp-server

2.2. 配置mcp server

    "mcpServers": {
        "aisearch-mcp-server": {
            "command": "uv",
            "args": [
                "--directory",
                "/path/to/aisearch-mcp-server",
                "run",
                "aisearch-mcp-server"
            ],
            "env": {
                "AISEARCH_API_KEY": "<AISEARCH_API_KEY>",
                "AISEARCH_ENDPOINT": "<AISEARCH_ENDPOINT>"
            }
        }
    }
}

3.業務價值：

• 降低接入成本：通過阿里雲標準化接口快速集成搜索服務。

• 靈活擴展：支持以AI搜索為核心豐富的模型服務，可滿足多樣化的業務需求，加速產品迭代
立即體驗：阿里雲AI搜索開放平台

場景二：向量檢索及排序

描述：結合OpenSearch向量檢索版，支持動態擴展與精準查詢，優化成本。

1.前置準備

（新增）開通 Opensearch向量檢索版，構建一張向量表。

（其他）同場景一

2.Cline 配置 MCP Server

2.1. 下載 alibabacloud-opensearch-mcp-server

2.2. 配置mcp server

    "mcpServers": {
        "aisearch-mcp-server": {
            "command": "uv",
            "args": [
                "--directory",
                "/path/to/aisearch-mcp-server",
                "run",
                "aisearch-mcp-server"
            ],
            "env": {
                "AISEARCH_API_KEY": "<AISEARCH_API_KEY>",
                "AISEARCH_ENDPOINT": "<AISEARCH_ENDPOINT>"
            }
        },
    "opensearch-vector-mcp-server": {
            "command": "uv",
            "args": [
                "--directory",
                "/path/to/opensearch-vector-mcp-server",
                "run",
                "opensearch-vector-mcp-server"
            ],
            "env": {
                "OPENSEARCH_VECTOR_ENDPOINT": "http://ha-cn-***.public.ha.aliyuncs.com",
                "OPENSEARCH_VECTOR_USERNAME": "<username>",
                "OPENSEARCH_VECTOR_PASSWORD": "<password>",
                "OPENSEARCH_VECTOR_INSTANCE_ID": "ha-cn-***",
                "OPENSEARCH_VECTOR_INDEX_NAME": "<Optional: index in vector table>",
                "AISEARCH_API_KEY": "<Optional: AISEARCH_API_KEY for embedding>",
                "AISEARCH_ENDPOINT": "<Optional: AISEARCH_ENDPOINT for embedding>"
            }
        }
    }
}

3.業務價值：

• 精準檢索：結合阿里雲向量數據庫，支持動態擴展和無縫集成。

• 成本優化：按需付費模式，降低向量檢索的計算成本。

立即體驗：阿里雲OpenSearch向量檢索

場景三：Elasticsearch 智能檢索

描述：集成阿里雲ES服務，實現高效實時數據分析與容災保障。

1.前置準備

（新增）開通 Elasticsearch，創建一份索引並寫入測試數據

（其他）同場景一

2.Cline 配置 MCP Server

2.1.參考 elasticsearch-mcp-server

2.2.配置mcp server

  "mcpServers": {
    "elasticsearch-mcp-server": {
      "command": "npx",
      "args": [
        "-y",
        "@elastic/mcp-server-elasticsearch"
      ],
      "env": {
        "ES_URL": "http://es-cn-***.public.elasticsearch.aliyuncs.com:9200",
        "ES_USERNAME": "<USERNAME>",
        "ES_PASSWORD": "<PASSWORD>"
      }
    }
  }
}

3.業務價值：

• 實時分析：支持全文搜索、複雜查詢及實時數據分析。

• 高可靠性：阿里雲 ElasticSearch 提供多副本容災，保障數據安全。

立即體驗：阿里雲Elasticsearch

為什麼選擇阿里雲 MCP 解決方案？

選擇阿里雲 MCP 解決方案的核心原因在於其通過標準化協議與全生命週期服務，顯著降低工具鏈集成複雜度並加速AI應用落地。阿里雲 MCP 以協議驅動替代傳統硬編碼模式，實現跨平台工具調用：

• AI搜索開放平台：提供豐富的 AI 搜索組件化服務服務，調用多模態數據解析、大語言模型、效果測評等數十個服務，實現智能搜索、檢索增強生成（RAG）、多模態搜索等場景的搭建，例如：智能客服、對話式搜索、圖譜增強、個性化推薦等。

• OpenSearch：內置了各行業的查詢語義理解、機器學習排序算法等能力，並充分開放了文本向量檢索引擎能力，助力開發者快速搭建智能搜索服務。通過 AI 搜索開放平台，用户可以靈活調用多模態數據解析、文檔切分、文本向量、大模型文本生成等組件化服務，滿足多種搜索場景需求，例如：電商、內容資訊、遊戲、金融等多種行業場景。

• 阿里雲 Elasticsearch：可以快速地、近乎於準實時地存儲、查詢和分析超大數據集，廣泛應用於實時日誌處理、信息檢索、數據的多維查詢和統計分析等場景，如：智能客服、企業內部知識庫、電商導購、數據服務等。
通過 MCP 協議，可快速調用阿里雲 OpenSearch 、ElasticSearch 等工具，幫助企業快速集成工具鏈、降低開發複雜度、提升業務效率。

阿里雲大數據AI 博客

阿里雲大數據AI 博客

博客 / 詳情